Uncertainty of stationary and nonstationary models for rainfall frequency analysis
Notice bibliographique
Résumé
Abstract The development of nonstationary frequency analysis models is gaining popularity in the field of hydro‐climatology. Such models account for nonstationarities related to climate change and climate variability but at the price of added complexity. It has been debated if such models are worth developing considering the increase in uncertainty inherent to more complex models. However, the uncertainty associated to nonstationary models is rarely studied. The objective of this article is to compare the uncertainties in stationary and nonstationary models based on objective criteria. The study is based on observed rainfall data in the United Arab Emirates (UAE) where strong nonstationarities were observed. In this study, a nonstationary frequency analysis introducing covariates into the distribution parameters was carried out for total and maximum annual rainfalls observed in the UAE. The generalized extreme value (GEV) distribution was used to model annual maximum rainfalls and the gamma (G) distribution was used to model total annual rainfalls. A number of nonstationary models, using time and climate indices as covariates, were developed and compared to classical stationary frequency analysis models. Two climate oscillation patterns having strong impacts on precipitation in the UAE were selected: the Oceanic Niño Index and the Northern Oscillation Index. Results indicate that the inclusion of a climate oscillation index generally improves the fit of the models to the observed data and the inclusion of two covariates generally provides the overall best fits. Uncertainties of estimated quantiles were assessed with confidence intervals (CIs) computed with the parametric bootstrap method. Results show that for the small sample sizes in this study, the width of the CIs can be very large for extreme nonexceedance probabilities and for the most extreme values of the climate index covariates. The weaknesses of nonstationary models revealed by the bootstrap uncertainties are discussed and words of caution are formulated.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».